摘要：研究了线性均匀阵列的信号波达方向(direction of arrival,DOA)估计问题。提出了一种基于独立分量分析(independent component analysis,ICA)联合最小二乘(least square,LS)处理的DOA估计新方法。通过天线阵列因子的虚部,建立新的信号接收模型,并以此进行ICA应用的可行性分析,将获取源信号的幅值转化为LS问题进行求解。设计了方法的实现步骤,推导了新方法用于DOA估计的角度公式,指出天线阵元间距应满足的条件,在提高精度方面可采用细估计对粗估计的更新来实现。仿真表明,所提方法具有较好的低信噪比性能、角度分辨力较高以及所需数据长度较短,为DOA估计问题提供了一种新的解决方式。

摘要：给出了独立分量分析(ICA)问题可解性的一种直观解释,并设计了直接的搜索算法。首先通过分析二维ICA问题,将输出信号分量的峰度作为ICA最优化问题的目标函数,分析了目标函数的波形随源信号之间耦合程度不同而变化的规律,以直观的图示解释了最大化输出信号非高斯性的ICA准则,且具有严格的数学意义。通过4点比较,将目标函数定位于某确定子区间,在该子区间上,目标函数是单峰函数,峰值点为全局极大值点,且为ICA问题的解。用快速搜索法进行了ICA求解,并将算法推广到多维ICA问题的求解。对算法进行了双通道图像分离、多通道语音分离的数值实验。

摘要：爆发式锋电位(Burst)是大脑神经元动作电位发放的一种常见形式,它在增强神经信号传递的可靠性以及形成突触可塑性变化等方面具有重要的作用。在细胞外记录的锋电位信号中,同源Burst也表现为幅值和波形都明显变化的一串高频发放序列,这给神经元序列的正确分类提出了难题。为了解决这个问题,本研究设计了一种四极电极记录的锋电位信号检测和分类方法。在阈值法检出锋电位的基础上,首先根据锋电位时间间隔指标检出候选Burst信号小段,然后利用独立分量分析(ICA)的盲源分离特性,区分每个小段信号中所包含的不同来源的锋电位,再用于最后的整体信号的锋电位聚类。实验记录数据和仿真数据的检验结果表明,该方法不仅能够将来自不同神经元的Burst和单发放锋电位正确分类;而且,由于ICA应用的对象是短时间的候选Burst信号,因此,即使对于4通道信号也能够满足ICA源信号数量小于记录信号通道数的限制条件,同时,短信号处理又避免了ICA计算量大等问题,为Burst的正确检测与分类提供了一种新方法。

摘要：为改善基于眼电图(EOG)的人体行为识别系统性能,提高多任务背景下扫视信号识别的正确率,提出了一种基于独立分量分析(ICA)的扫视信号样本优化算法.该算法首先以单次扫视数据为分析对象,根据独立成分在采集电极的映射模式,设计了一种扫视相关独立成分的自动选择方法,并建立了相应的ICA空域滤波器;然后以原始EOG线性投影后信号的识别正确率为度量准则实现对干扰扫视信号的剔除.对4类扫视信号进行了"组内测试"与"组间测试",实验结果表明,经文中算法优化后识别正确率达99.57%与98.82%,比优化前分别提升了0.57%与0.83%,说明文中算法能够对扫视信号样本进行有效的优化,提高其识别正确率.

摘要：失匹配负波(MM N)是一种由刺激变化所诱发的听觉诱发电位成分,其过低的信噪比造成检测和提取比较困难。提出利用独立分量分析(ICA)方法对多导听觉诱发电位信号进行多次分解,根据MM N产生的生理机制及其信号特征,设计合理的独立分量选取原则,提取MM N。该方法通过仿真实验验证,能有效提高信噪比。在真实数据的处理中,仅用传统方法20%左右的实验时间,实现MM N成分波的提取。这将促进MM N在认知神经科学及临床上的应用。

摘要：为解决实时性盲信号分离的问题,基于独立分量分析的模型,设计出了NLPCA-RLS算法的IP核。利用Simulink和DSP Builder对算法中用到的乘法器、查找表、状态机等进行建模,通过Quartus II综合后在Altera FPGA器件中进行硬件仿真。仿真实验分别采用人工生成的周期信号和真实的语音信号进行验证。实验结果表明,该IP核能很好的完成瞬时混合模型中盲信号的分离,具有很强的实用性。

摘要：针对旋转机械设备中同时存在的裂纹、摩擦等多故障源信号难以检测和分离的问题,提出了一种基于小波包分析（WPA）与独立分量分析（ICA）的多源故障信号提取方法,即首先用WPA对含噪线性混合信号降噪预处理,由db2小波基函数进行5层分解后保留62.5~187.5kHz频段信号,然后采用ICA中的FastICA算法对降噪后的混合信号分离,最后对各通道分离出的信号用收缩函数进行频段内去噪处理.对不同输入信噪比的含噪微弱裂纹和摩擦信号进行提取和分析的结果表明,该方法能有效提取出输入信噪比大于-15dB的裂纹和摩擦信号.当混合信号信噪比为-15dB时,裂纹和摩擦信号的输出信噪比分别为-1.31和-1.36dB,相关系数分别为0.62和0.63,提取效果好于结合小波包和FastICA分离方法（信噪比分别为-1.74和-2.06dB,相关系数分别为0.59和0.59）以及单独采用FastICA算法（信噪比分别为-4.57和-4.31dB,相关系数分别为0.17和0.19）.因此,所提出的综合WPA和ICA的方法是一种较好的多源微弱信号提取方法.

摘要：将独立分量分析(ICA)技术应用于无线通信环境中,通过分析空时分组码(STBC)和垂直—贝尔实验室分层空时(V-BLAST)的本质结构,建立了多种适用于ICA的特定通信系统模型,并以此实现了对发射信号的盲检测,从而代替了基于信道估计的传统接收方法。理论分析表明,ICA盲接收技术的应用可以有效提高系统对信道估计错误的顽健性和系统设计的灵活性。仿真结果验证了所提方案的有效性,并对算法实现的复杂度和收敛特性进行了分析。

摘要：针对大型风力发电机机组中常见的脉动湍流、风机尾流与涡流等湍流信号,研究了利用自然梯度下降的独立分量分析方法的湍流频谱分离效果,以区分中心风速与湍流信号,提高风机机组的综合工作效率。首先分析了风机组中常见湍流信号的后向散射与频谱分布特点,然后依据这些特点设计了对应的独立分量分析模型。在仿真结果符合要求的基础上,进行了双目激光雷达天线的风速采集与实际分离效果检测。实验结果表明,在大气折射率结构常数C2n≤10-14同时广义大气常数α≥4的通常情况下,利用双目信号能够分离出一个湍流中心和一个中心风速。对1 s内两个谱峰的波动范围进行统计,获得(2.59±0.05)MHz的中心风速以及(1.22±0.19)MHz的湍流中心估计,且二者的平均信噪比分别为25.93 dB和31.01 dB,能够在获得稳定的中心风速估计的同时得到一个较为稳定的湍流中心估计。

摘要：对结合独立分量分析(independent component analysis,简称ICA)和遗传算法(genetic algorithm,简称GA)的运动想象脑电(motor imagery electroencephalogram,简称MI-EEG)特征检测及其优化方法开展研究.设计了基于ICA的MI-EEG分类算法.在此基础上,针对不同受试个体,用GA算法对运动想象诱发的事件相关去同步(event-related desynchronization,简称ERD)频段进行优化选择,用以改善运动想象脑一机接口(brain-computer interface,简称BCI)系统的识别率.实验结果表明,基于ICA的GA算法特征优化方法具有较好的可靠性和实用性,可用于在线BCI的设计与实现.